相关实验视频
Updated: Sep 11, 2025
06:09
An In Ovo Model for Testing Insulin-mimetic Compounds
Published on: April 23, 2018
10.7K
在非糖尿病人群中使用最小侵入性测试对胰岛素抵抗的AI驱动预测:比较模型和标准
Weihao Gao1, Zhuo Deng1, Zheng Gong1
1Tsinghua International Graduate School, Tsinghua University, Shenzhen, 518055, China.
Diabetology & metabolic syndrome
|August 18, 2025
概括
这项研究开发了一个AI模型,仅使用禁食血糖来预测胰岛素抵抗,这是糖尿病和心血管疾病的前体. 该模型对非糖尿病患者的常规健康监测有希望.
科学领域:
- 医疗保健中的人工智能
- 代谢疾病预测预测
- 预防医学 预防医学
背景情况:
- 胰岛素抵抗是糖尿病和心血管疾病的关键前体.
- 目前对胰岛素耐药性的评估方法往往是侵入性的.
- 使用微创试验的AI模型,如禁食血糖,可以改善非糖尿病人群的常规健康监测.
研究的目的:
- 开发一种人工智能驱动的模型,用于预测胰岛素耐药性,仅使用禁食血糖作为侵入性措施.
- 通过简单的,最小的侵入性测试,促进非糖尿病人群的健康监测.
主要方法:
- 使用可访问的特征:年龄,性别,身高,体重,脉,血压,腰围和禁食血糖.
- 使用NHANES (1999-2020) 数据构建的AI模型,与CHARLS (2015) 数据进行验证.
- 在HOMA-IR,TyG和METS-IR指标上评估模型,使用SHAP值来解释特征.
主要成果:
- CatBoost在分类方面表现出色;神经网络 (TabKANet) 在METS-IR数值预测方面表现出色.
- 在预测胰岛素耐药性方面达到高AUC值 (例如,HOMA-IR的0.8596,NHANES中的TyG的0.7777).
- METS-IR预测显示了强大的内部 (0.9731 AUC) 和外部 (0.9591 AUC) 验证,低RMSE (3.057外部). 腰围被确定为一个关键预测因素.
结论:
- 成功开发了一种微创人工智能模型,用于基于禁食血糖的胰岛素耐药性预测.
- 人工智能模型在多个IR指标上表现出强的表现,特别是在METS-IR预测方面.
- 强调AI在早期检测和加强非糖尿病人群胰岛素抵抗的监测方面的潜力.
更多相关视频
06:13Author Spotlight: Exploring the Impact of Reduced Resistance Exercise Volume on Metabolic Health
Published on: December 1, 2023
1.2K
08:13Study of In Vivo Glucose Metabolism in High-fat Diet-fed Mice Using Oral Glucose Tolerance Test OGTT and Insulin Tolerance Test ITT
Published on: January 7, 2018
69.3K
